Compétence Vision Reader
Permet aux LLMs purement textuels (DeepSeek, etc.) de lire des fichiers binaires en appelant des outils Python.
Chemin d'installation
Tous les outils se trouvent dans ~/opencode-vision-skill/tools/. Le ~ représente votre répertoire personnel :
- Windows :
%USERPROFILE%\opencode-vision-skill\tools\ - macOS/Linux :
~/opencode-vision-skill/tools/
Si vous avez installé ailleurs, ajustez les chemins ci-dessous en conséquence.
Outils disponibles
| Outil | Commande |
|---|---|
pdf-reader | python ~/opencode-vision-skill/tools/pdf-reader.py <chemin> |
image-reader | python ~/opencode-vision-skill/tools/image-reader.py <chemin> |
ppt-reader | python ~/opencode-vision-skill/tools/ppt-reader.py <chemin> |
screenshot | python ~/opencode-vision-skill/tools/screenshot.py [x,y,w,h] |
Utilisez toujours des chemins absolus pour l'argument chemin.
Détails des outils
pdf-reader — Lire des fichiers PDF
python ~/opencode-vision-skill/tools/pdf-reader.py "/chemin/absolu/vers/fichier.pdf"
Retourne du Markdown avec des en-têtes de page, le contenu textuel et les tableaux.
image-reader — Lire et décrire des images
python ~/opencode-vision-skill/tools/image-reader.py "/chemin/absolu/vers/image.png"
Retourne trois sections :
- Métadonnées — Format, mode, taille, DPI
- Description visuelle — Légende générée par IA décrivant objets, disposition, flèches, diagrammes
- Texte OCR — Texte reconnu à partir de l'image
ppt-reader — Lire des fichiers PowerPoint
python ~/opencode-vision-skill/tools/ppt-reader.py "/chemin/absolu/vers/diapositives.pptx"
Retourne le texte diapositive par diapositive avec titres, puces et tableaux.
screenshot — Capture d'écran
python ~/opencode-vision-skill/tools/screenshot.py
Capture tout l'écran. Pour une région : python ~/opencode-vision-skill/tools/screenshot.py 0,0,800,600.
Retourne le chemin du fichier PNG sauvegardé.
Remarques
- Le premier appel à
image-readertélécharge le modèle Florence-2 (~400 Mo) s'il n'est pas pré-téléchargé - Tesseract OCR est optionnel — image-reader fonctionne sans grâce à easyocr
- La capture d'écran nécessite un serveur d'affichage (X11/Wayland sur Linux, natif sur Windows/macOS)